Erik-André Sauleau

Aller à : navigation, rechercher

Professeur des Universités - Praticien hospitalier

ICube - MIV
300 Bd Sébastien Brant
BP 10413
67412 Illkirch CEDEX - France

Tel : + 33 (0) 3 68 85 39 51
Fax : + 33 (0)
Bureau : ???

Courriel : ea(dot)sauleau(at)unistra(dot)fr
Page personelle : http://

Profil.png

Le Laboratoire de Biostatistique et Informatique Médicale (LBIM)

Le LBIM est un service de la Faculté de Médecine. Il assure des missions d’enseignement et de recherche dans le domaine de l’analyse des données de santé. Ses enseignements sont destinés essentiellement aux étudiants en médecine, aux étudiants des écoles paramédicales et aux étudiants inscrits des cursus dans lesquels ces analyses sont nécessaires (masters de santé publique par exemple).

Dans le domaine de la recherche, l’essentiel des travaux du LBIM est structuré autour de l’utilisation de l’inférence bayésienne, autour des méthodes propres à la recherche clinique (nouveaux schémas d’étude, analyses statistiques spécifiques, ...) et des analyses spatiales. L’équipe s’est également intéressé jusqu’à récemment à la théorie, l’implémentation logicielle et l’application des méthodes PLS en médecine, notamment dans le cadre de l’allélotypage.

Description de mes activités de recherche

Mes principaux thèmes de recherche ont trait à l'inférence bayésienne dans ses aspects épistémologiques, historiques et méthodologiques. Les modèles bayésiens développés sont appliqués sur différents types de données de santé :

  • Recherche clinique. Dans le panel d’outils bayésien disponibles pour la planification et l’analyse des essais thérapeutiques, les techniques de calculs de nombre de sujets nécessaires et de probabilités prédictives notamment permettent de moduler finement le nombre de sujets à recruter dans une étude.
  • Modèles géographiques et spatiaux. Le repérage spatial, voire même spatiotemporel, des données de santé est de plus en plus fréquent. Il en va de même des questions sur les liens pouvant exister entre l’exposition à certains facteurs de risque et la survenue d’événements de santé. La quasitotalité des modèles spatiaux peut être intégrée dans le cadre général des modèles additifs généralisés avec une composante spatiale, cas particulier des « Structured Additive Regressions » ou modèles StAR.

Une partie de ces activités se structurent au sein d'un groupe de recherche portant sur la causalité en épidémiologie. L'objectif général de ce groupe est de réfléchir aux fondements philosophiques et épidémiologiques/biostatistiques de la causalité et de la modélisation causale, avec un ancrage tout particulier sur l’historique de ces approches et leur historiographie. L’approche mobilisée est la constitution d’un réseau scientifique international, éminemment multi- et interdisciplinaire : INCEPTION (pour Interdisciplinary Network on Causality in EPidemiological investigaTIONs). Ce réseau commence à s’articuler autour d’un axe géographique réunissant trois lieux et une série d’équipes « fondatrices » à Strasbourg, Cambridge (UK) et Cagliari (I).

Enseignements

  • Responsable du Diplôme d’Université de Biostatistique " Des statistiques fréquentistes aux statistiques bayésiennes "
  • Co-responsable de l’UE : « Traitement Statistique des données en biologie » du master 2 Recherche : « Biomorphologie et biomatériaux »
  • Responsable du C2i niveau 1 (Faculté de Médecine)
  • TD de statistiques en PACES
  • Cours et TD de lecture critique d’articles (LCA) à la Faculté de Médecine
  • Une vingtaine d'heures de cours ou de TD introductifs à la biostatistique et à la lecture critique d'article (écoles paramédicales)
  • Cours dédiés à l'inférence bayésienne (master de Santé Publique du Grand Ouest)


Publications